Vous tenez une pension à Moorea, un commerce à Papeete, un cabinet de conseil à Punaauia. Vous entendez parler d'intelligence artificielle depuis deux ans, et vous vous posez surtout une question : est-ce que ça vous concerne vraiment, ou est-ce encore un sujet réservé aux grandes entreprises ?
Cet article répond avec les seules données publiques solides qui existent sur le sujet — celles de Bpifrance sur les PME françaises — et dit clairement ce qu'elles ne couvrent pas. Il n'existe pas, à ce jour, d'étude publique équivalente sur l'adoption de l'IA par les entreprises polynésiennes. Tous les chiffres ci-dessous portent sur la France métropolitaine. Ils donnent un ordre de grandeur et une méthode de travail, pas une photographie du Fenua. Nous ne comblerons pas ce trou par des estimations inventées.
Ce que disent les chiffres, et ce qu'ils ne disent pas
Deux enquêtes de Bpifrance Le Lab permettent de sortir des impressions.
La première, menée auprès de 1 209 dirigeants de PME et ETI entre octobre et décembre 2024, mesure l'écart entre la prise de conscience et l'action. 58 % des dirigeants jugent l'IA importante ou très importante pour la pérennité de leur entreprise à un horizon de trois à cinq ans. Dans le même temps, 43 % seulement ont défini une stratégie IA, et 32 % des entreprises interrogées en utilisaient effectivement une au moment de l'enquête — dont 26 % une IA générative.
La seconde donne la tendance, et elle est nette. Dans son 82e baromètre semestriel de conjoncture, publié le 13 janvier 2026 et bâti sur 4 722 réponses de TPE-PME recueillies fin 2025, Bpifrance relève que 55 % des TPE-PME déclarent recourir à une IA générative fin 2025, contre 31 % fin 2024 et 15 % fin 2023.
Le détail est plus instructif que le titre : 17 % l'utilisent régulièrement, 37 % occasionnellement. Autrement dit, la majorité des entreprises qui « font de l'IA » l'ont surtout essayée. Et 32 % des dirigeants n'ont aucune intention d'y recourir à court terme. Nous ne sommes pas devant une adoption généralisée, mais devant une phase de test massif, où presque personne n'a encore transformé l'essai en processus stable.
C'est une bonne nouvelle pour une entreprise polynésienne qui démarre aujourd'hui. Sur ce sujet, le retard réel se compte en mois, pas en années.
L'IA pour une PME : trois niveaux d'ambition, trois budgets
Bpifrance Conseil a publié un livre blanc, relayé par FranceNum, tiré de 700 missions de conseil en IA réalisées auprès de PME en 2024 dans le cadre du dispositif IA Booster. C'est la source la plus utile pour se repérer, parce qu'elle décrit des projets réellement engagés et non des intentions déclarées. Elle classe ces projets en trois niveaux.
- Les « Quick Wins » — 60 % des cas d'usage priorisés. Automatisation ou optimisation de processus existants avec des outils d'IA générative génériques. Rapides à mettre en œuvre, impact organisationnel limité, accessibles même à une entreprise peu mature sur ses données. Coût de développement estimé entre 10 000 et 50 000 €.
- Les projets critiques — 30 %. Transformation plus profonde des modes de production ou de l'offre de service, avec des solutions à développer ou à paramétrer sérieusement. Budget moyen alloué de 50 000 à 100 000 € pour une PME.
- Les projets disruptifs — 10 %. Transformation du modèle d'affaires, solutions sur mesure bâties sur des données stratégiques. Plus de 100 000 €.
Deux précautions de lecture. Ces montants sont ceux de missions métropolitaines accompagnées par un cabinet de conseil : une TPE polynésienne qui s'équipe d'outils du marché opère la plupart du temps très en dessous de cette fourchette basse. Et ces chiffres décrivent des entreprises qui ont demandé un accompagnement, donc un échantillon volontaire, pas la moyenne des entreprises françaises.
Ce qu'il faut en retenir tient en une phrase : la majorité de la valeur se trouve dans la catégorie la moins chère et la plus simple. Personne n'a besoin d'un projet à six chiffres pour commencer.
Cinq usages qui tiennent la route pour une PME polynésienne
Le même livre blanc donne la répartition technologique des projets engagés : 61 % reposent sur l'IA générative, 24 % sur l'analyse prédictive, 18 % sur l'optimisation sous contrainte, 9 % sur la vision par ordinateur. Voici comment cela se traduit au Fenua.
1. Relation client multilingue et hors horaires
Un assistant conversationnel bien configuré traite les questions récurrentes : horaires, tarifs affichés, accès, conditions d'annulation. En français, en anglais, et il peut être nourri de vocabulaire en reo tahiti. Une pension de Bora Bora reçoit des demandes quand ses clients sont réveillés, pas quand elle l'est. Répondre à 3 h du matin sans réveiller personne a une valeur immédiate.
La règle à poser dès le départ : l'assistant répond sur ce qui est factuel et vérifiable, et transmet à un humain tout ce qui engage un prix ferme, une disponibilité réelle ou une réclamation.
2. Administration et pièces comptables
Extraction des données de factures, rapprochements, préparation des écritures, détection d'anomalies. Une entreprise polynésienne jongle avec la TVA locale, les déclarations CPS et les obligations de la DICP : le gain ne vient pas d'une IA qui « ferait la comptabilité », il vient de la saisie manuelle qui disparaît. Le contrôle et la responsabilité restent chez vous et chez votre comptable.
3. Marketing et production de contenu
Descriptions produits, publications sur les réseaux sociaux, réponses aux avis, déclinaison de fiches en plusieurs langues. C'est l'usage le plus répandu parce que c'est le plus facile à tester. Un revendeur de perles à Papeete peut produire ses fiches en français et en anglais et tenir un rythme de publication qu'une équipe réduite ne pouvait pas soutenir.
Le piège est connu : un contenu générique se repère, et il abîme une marque qui vend de l'authentique. L'IA produit le brouillon et porte les tâches ingrates ; la voix reste la vôtre.
4. Stocks et approvisionnement
C'est ici que l'analyse prédictive gagne le plus au Fenua. Quand le réapprovisionnement se compte en semaines de bateau, une erreur de prévision coûte deux fois : en rupture pendant la haute saison, en trésorerie immobilisée après. Un modèle nourri de votre historique de ventes et de la saisonnalité touristique produit une recommandation de commande plus fiable qu'une intuition — à condition que cet historique existe sous une forme exploitable.
5. Veille et analyse
Synthèse des avis clients, suivi de la concurrence, lecture rapide d'appels d'offres ou de textes réglementaires. Sur un marché étroit où tout le monde se connaît, l'avantage ne vient pas de l'information elle-même mais de la vitesse à laquelle vous la traitez.
Pourquoi le contexte polynésien change le calcul
L'insularité
Recruter un profil spécialisé à Tahiti est difficile et coûteux, et certains postes ne se justifient pas à temps plein dans une structure de dix personnes. L'IA ne remplace pas un métier, mais elle rend accessible une fonction que vous n'auriez de toute façon pas recrutée : une analyse de vos ventes, une présence en ligne bilingue tenue dans la durée, une première réponse disponible en continu.
La saisonnalité
L'activité polynésienne suit des cycles lisibles : haute saison, fêtes de fin d'année, Heiva, escales. Des cycles lisibles, c'est exactement ce qu'un modèle prédictif sait exploiter, à condition que vos données de vente soient datées et propres.
Le multilinguisme
Français, anglais, japonais, espagnol, reo tahiti : peu de PME métropolitaines ont ce besoin, et beaucoup d'entreprises polynésiennes le subissent faute de moyens. C'est le domaine où les outils actuels sont les plus matures et les plus rentables immédiatement.
Un tissu de très petites structures
La Polynésie compte avant tout des TPE. Ce sont précisément les structures pour lesquelles la catégorie « Quick Win » a été décrite : des outils du marché, un déploiement en quelques jours, un résultat mesurable en quelques semaines. Aucun service informatique requis.
Par où commencer : quatre étapes
Étape 1 — Mesurez avant de choisir
Pendant une semaine, notez les tâches répétitives et le temps qu'elles consomment réellement. Courriels aux réponses identiques, ressaisie, devis, planning, relances. Cette liste est votre vrai cahier des charges. Sans elle, vous achèterez un outil pour un problème que vous n'avez pas.
Un ordre de grandeur utile : un diagnostic IA mené par Bpifrance identifie en moyenne 14 cas d'usage dans une entreprise, dont 93 % à fort impact sur la productivité. La difficulté n'est jamais de trouver des idées, elle est de choisir laquelle traiter en premier.
Étape 2 — Un seul chantier, et le moins cher possible
Prenez la tâche la plus répétitive et la plus chronophage, une seule. Testez pendant trente jours et comparez le temps passé avant et après. C'est l'approche majoritaire sur le terrain : parmi les entreprises ayant adopté l'IA, la moitié utilise exclusivement des solutions gratuites ou prêtes à l'emploi. Le ticket d'entrée réel est proche de zéro.
Étape 3 — Rangez vos données avant de rêver
C'est le point que presque tout le monde saute. 43 % des PME et ETI n'analysent pas leurs données pour piloter leur activité, et environ un tiers des entreprises accompagnées par Bpifrance n'avaient aucune stratégie data au démarrage. Or la même enquête montre que les entreprises déjà digitalisées sont cinq fois plus susceptibles d'utiliser l'IA, et celles qui analysent leurs données deux fois et demie plus.
Un historique de ventes dans un classeur, des réservations sur un cahier, des fiches clients réparties dans trois outils qui ne se parlent pas : aucune IA ne rattrapera ça. Pouvoir exporter proprement vos données est un préalable, pas une option.
Étape 4 — Formez, puis structurez
Parmi les entreprises qui ne parviennent pas à se saisir de l'IA, 88 % citent le manque d'expertise et de compétences internes comme premier frein. La formation utile n'est pas technique : il s'agit d'apprendre à vos équipes à utiliser des outils et à repérer une réponse fausse, pas à programmer. L'impulsion vient d'ailleurs souvent du dirigeant lui-même, puisque 48 % d'entre eux utilisent personnellement l'IA générative dans leur travail.
Une fois un premier chantier validé, écrivez ce que vous faites : périmètre, données autorisées, qui valide quoi. C'est ce qui sépare les 43 % qui ont une stratégie de tous les autres.
Les questions à poser avant de signer
Un projet IA se juge sur des réponses précises, pas sur une démonstration réussie. Avant tout engagement, exigez de savoir :
- Où vont mes données, et qui y accède ? Un prestataire incapable de répondre en une phrase ne doit pas toucher à votre fichier client.
- Que se passe-t-il quand l'outil se trompe ? Toute IA générative produit des erreurs plausibles. Qui les détecte, qui les corrige, à quel moment du processus ?
- Quel est le coût à douze mois, tout compris ? Abonnement, consommation à l'usage, paramétrage, formation, maintenance. Un tarif mensuel affiché n'est pas un budget.
- Comment je récupère mes données si j'arrête ? À poser avant de commencer, jamais après.
- Quel indicateur prouvera que ça marche ? Heures gagnées, délai de première réponse, taux de rupture de stock. Décidez-le avant le test, sinon vous conclurez au ressenti.
- Est-ce que ça fonctionne avec ma connexion et mes outils actuels ? Une solution qui suppose une intégration à un logiciel que vous n'avez pas n'est pas une solution.
Les pièges qui coûtent le plus cher
Automatiser un processus cassé. Une procédure mal conçue le reste une fois automatisée : elle produit simplement ses erreurs plus vite. Simplifiez d'abord.
Laisser une IA parler au client sans garde-fou. Un assistant qui invente une disponibilité, un tarif ou une condition d'annulation crée un litige commercial bien réel. Tout ce qui engage l'entreprise passe par une validation humaine.
Confondre l'outil et l'usage. Payer trois abonnements que personne n'ouvre est le résultat le plus fréquent. Un seul outil réellement utilisé bat cinq licences dormantes.
Compter sur une aide non accordée. Les dispositifs métropolitains comme IA Booster ou France 2030 ne s'appliquent pas mécaniquement en Polynésie française, qui dispose de ses propres compétences et de ses propres guichets. Vérifiez votre éligibilité auprès des organismes locaux, et ne bâtissez jamais un plan de financement sur une subvention qui n'est pas encore notifiée.
Négliger l'équipe. Une IA imposée sans explication est perçue comme une menace sur l'emploi, et elle est sabotée passivement. Dites ce que l'outil fait, ce qu'il ne fera pas, et ce que les personnes concernées feront du temps libéré.
Ce qu'il faut retenir
- L'usage progresse vite mais reste peu profond : 55 % des TPE-PME françaises déclarent recourir à une IA générative fin 2025, mais 17 % seulement de façon régulière.
- La valeur est dans les projets simples : 60 % des cas d'usage priorisés sont des « Quick Wins », et la moitié des entreprises utilisatrices s'en tiennent à des solutions gratuites ou prêtes à l'emploi.
- Le vrai prérequis n'est pas technologique mais organisationnel : des données propres, exportables, et quelqu'un qui vérifie.
- Le contexte polynésien renforce trois usages : le multilingue, la disponibilité hors horaires, et l'anticipation des approvisionnements insulaires.
- Aucune donnée publique ne mesure aujourd'hui l'adoption de l'IA par les entreprises polynésiennes. Méfiez-vous de tout chiffre local présenté comme acquis, y compris dans un argumentaire commercial.
L'intelligence artificielle ne compensera pas une organisation floue et ne remplacera pas la relation humaine qui fait la valeur d'une entreprise polynésienne. Elle enlève des heures de travail sans intérêt, et elle rend possible ce qu'une petite structure ne pouvait pas s'offrir. C'est déjà beaucoup, et c'est suffisant pour commencer cette semaine : une seule tâche, un seul outil, et une mesure honnête du résultat.
Sources : Bpifrance Le Lab, « L'IA dans les PME et ETI françaises : une révolution tranquille » (enquête auprès de 1 209 dirigeants, octobre-décembre 2024) · Bpifrance Le Lab, 82e baromètre semestriel de conjoncture des TPE-PME, publié le 13 janvier 2026 · FranceNum, livre blanc Bpifrance Conseil sur l'IA dans les PME (700 missions de conseil, 2024)
